Anthropic 用 Claude 协助发现 HAWK 与 AES 弱化版本数学缺陷

Anthropic 研究人员近日公开了一项使用自家大模型 Claude 协助密码学分析的实验：在约 60 小时的运行时间内，模型在人工引导下发现了 HAWK 以及 AES 一个弱化版本中的数学弱点。不过研究者明确表示，两项结果「都不对当今计算机系统构成实际影响」。

实验背景与目标

据 Simon Willison 转引的 Anthropic 研究文章，团队使用的是代号为 Claude Mythos 的模型预览版本。研究者设定的目标并非「低悬果实」式的简单漏洞，而是希望模型达到顶级研究者的水平，找出真正具有发表价值的新攻击方式。为此，研究人员反复向模型强调：「我们拥有高度智能的模型，目标是找到新的攻击」「我们不需要改变目标，需要找到值得发表的东西」。

关键发现与成本

实验的核心成果包括：

• 对 HAWK 签名方案识别出数学层面的缺陷；
• 对 AES-128 轮数降低的版本（即「r7」）找到优于既有方法的分析路径。

研究者披露，整次实验的 API 成本约为 10 万美元，主要时间消耗并非用于技术细节推演，而是反复激励模型「不要放弃」并寻找具有研究价值的结果。共享的提示词保留了原始拼写错误，体现出真实的研究交互过程，而非事后润色的演示文本。

方法论启示

此次实验展示了大模型在高度专业化数学推理任务中的潜力与局限：一方面，模型在适当提示下能够产出超过现有方法的分析思路；另一方面，其默认倾向是「认为问题不可解」并放弃尝试，需要研究者持续介入。研究者通过「值得发表」「真正困难」等价值锚定词，将模型的探索方向引导至更深层结果，这一提示工程经验对 AI for Science 类应用具有参考意义。

实际安全影响有限

尽管结果具有学术价值，但 Anthropic 团队强调这些弱点均处于理论层面，对真实部署的加密系统不构成现实威胁。这意味着该工作的意义更多在于验证大模型在密码学分析这一高难度推理任务上的能力上限，而非提示现网加密算法需要紧急修复。